1樓：大煎餅
借助卷積神經網路或其變體，就可以實現。
1）卷積神經網路
卷積神經網路最開始是用於手寫數字的識別，後來也用於影象中物體的識別。
卷積神經網路
2）殘差網路
殘差網路是卷積神經網路的改進，新增了跨層連線。
殘差網路
3）殘差收縮網路
殘差收縮網路[1]
[2]在殘差網路中又加入了軟閾值化，減輕了雜訊的影響。
（面向強噪、高冗餘資料的）殘差收縮網路
2樓：
給你個參考：
剛看到有個人發了如何用PaddlePaddle實現飛機識別，看看有沒有幫助
aaaabba：用PaddlePaddle實現飛機識別
3樓：
1. 初學者不建議用 tensorflow，建議學習 pytorch，或者 keras，其中首推 pytorch。
2. Github 上搜一下 flower classification/recognition pytorch，有很多專案可供參考。
3. 模型的識別能力取決於訓練資料和演算法，你給它一種訓練資料中沒有的花，它也是認不出來的。
python深度學習（影象識別）的學習方法或者入門書籍有什麼？
大江東去 要實現影象識別的功能，現在最常用的是卷積神經網路吧。在卷積神經網路中，有比較基礎的，例如LeNet AlexNet，也有比較新的，例如殘差網路 深度殘差收縮網路。AlexNet是2012年在ImageNet分模擬賽中一鳴驚人的方法。AlexNet 由於殘差網路包含了跨層恒等對映，更易於梯度...
有從事影象識別 深度學習方面的大佬嗎，能告訴我，我應該怎麼去學習嗎？
東臨碣石 可以從簡單的深度學習演算法開始學，尤其是卷積神經網路的各種結構，例如1 AlexNet AlexNet是2012年的一種卷積神經網路結構，至今引用量已經超過8萬次。AlexNet 2 ResNet ResNet是卷積神經網路的一種變體，核心特色是跨層路徑。ResNet 3 殘差收縮網路 面...
深度學習做影象識別，和傳統方式比有啥好處？
少木 可以解決傳統方法沒法或者很難解決的問題。有些問題傳統方法需要大量的人為制定規則，而深度學習可以自動完成這一步。這兩者各有優劣，可以互為補充 DataXujing 兩種當時都有優點，都有弊端，深度學習做識別，精度高，不然大佬們還再搞傳統的一些辦法，特徵提取的過程是自學習的，泛化能力比較強，但是需...